马斯克，百亿英里训练数据助力实现安全无监督自动驾驶

马斯克表示，要实现安全的无监督自动驾驶，需要积累大量的训练数据，达到约100亿英里的里程数，这需要不断的技术研发和测试，以确保自动驾驶系统的可靠性和安全性，这一目标的实现将依赖于大量的实际道路测试和数据处理能力，以确保自动驾驶汽车能够在各种路况和环境下自主驾驶，提高交通安全性和效率。

1月11日消息，特斯拉首席执行官埃隆・马斯克就实现真正安全的无监督FSD所需的训练数据量给出了最新预估。
这位首席执行官表示，由于现实世界存在“极为庞大的长尾复杂性”，实现这一目标大约需要100亿英里（注：约160.93亿公里）的训练数据。马斯克此番表态是对苹果和Rivian前员工保罗・拜塞尔的回应。拜塞尔此前在X平台发布分析文章，探讨了技术演示与实际落地产品之间的差距。他在文中强调，特斯拉凭借数据驱动模式在自动驾驶领域占据领先地位，同时指出，竞争对手很难迅速成长为FSD技术的有力竞争者。拜塞尔写道：“有人认为仅靠仿真模拟和有限的道路测试就能‘追平’这一技术难题，在我看来这种想法太过天真。这绝非一个技术演示层面的问题，而是关乎规模、数据和迭代速度的硬仗，特斯拉在这条赛道上早已遥遥领先，而其他企业才刚刚起步。”马斯克在回复拜塞尔的帖子时称：“要实现安全的无监督自动驾驶，大约需要100亿英里的训练数据。现实世界的长尾复杂性超乎想象。”值得关注的是，马斯克此前在《宏图计划2.0》中曾预估，自动驾驶技术要获得全球监管机构批准，大约需要60亿英里的测试里程。
截至2025年底，特斯拉社区成员发现，FSD系统的累计测试里程已接近70亿英里，其中城市道路测试里程超25亿英里。短短数日后，该系统便突破了70亿英里大关。这意味着，特斯拉目前很可能是全球自动驾驶项目训练数据储备量最高的企业。马斯克近期在评价英伟达的Alpamayo项目时，也提及了实现自动驾驶技术的难点。他表示：“他们会发现，实现99%的技术目标轻而易举，但要攻克剩下的长尾难题则难如登天。”特斯拉人工智能软件副总裁阿肖克・埃勒斯瓦米也在X平台发文呼应这一观点，他指出：“长尾问题的复杂性远超绝大多数人的想象。”